TraceViT: Nuovo Modello IA Addestrato con Supervisione di Traccia Grounded per il Ragionamento Astratto Visivo
Il nuovo modello IA introdotto, TraceViT, affronta il Corpus di Astrazione e Ragionamento (ARC), che valuta la capacità di un modello di dedurre trasformazioni non viste basandosi su coppie input-output. Descritto in un articolo disponibile su arXiv (ID 2607.29586), TraceViT funziona come un ragionatore visivo a ciclo che migliora le sue previsioni attraverso iterazioni successive. A differenza dei metodi di addestramento tradizionali che si concentrano solo sui risultati finali, questo modello suggerisce che i perfezionamenti avvengano sequenzialmente attraverso trasformazioni. Utilizzando catene di trasformazione semanticamente monotone, scompone le soluzioni in stati intermedi della griglia. L'allineamento soft della traccia garantisce un ordinamento corretto, facilitando l'apprendimento da queste fasi intermedie. Questo articolo è sottoposto a diverse sedi e riveste un'importanza considerevole per l'IA, specialmente nel ragionamento visivo e astratto.
Fatti principali
- TraceViT è un ragionatore visivo a ciclo addestrato con catene di trasformazione semanticamente monotone.
- Il modello è progettato per il benchmark del Corpus di Astrazione e Ragionamento (ARC).
- L'addestramento convenzionale vincola solo l'output finale, ma TraceViT vincola i perfezionamenti intermedi.
- Le catene di trasformazione sono ottenute riscrivendo e verificando implementazioni programmatiche dei compiti.
- Ogni iterazione è ancorata a un riferimento del compito e a uno spazio di lavoro degli oggetti.
- L'allineamento soft della traccia impone l'ordinamento delle catene, adattandosi alle differenze di lunghezza.
- L'articolo è disponibile su arXiv con ID 2607.29586.
- Il tipo di annuncio è cross, indicando molteplici invii.
Entità
Istituzioni
- arXiv